El WEF investiga el uso de pacientes generados por IA y datos en ensayos clínicos

Los participantes y los datos de los ensayos clínicos «sintéticos» son parte de la agenda más amplia del Foro Económico Mundial para introducir la inteligencia artificial en muchos sectores de la sociedad, dijo Michael Rectenwald, Ph.D., autor de ‘Google Archipelago: The Digital Gulag and the Simulation of Freedom’. El científico de Children’s Health Defense, Brian Hooker, Ph.D., calificó la idea como «una propuesta extremadamente aterradora». 

Este artículo fue publicado originalmente por The Defender, el sitio web de noticias y opiniones de Children’s Health Defense.

(Defensa de la Salud de los Niños) — Líderes políticos y empresariales mundiales se reúnen esta semana en Davos, Suiza, para la reunión anual del Foro Económico Mundial (FEM), donde uno de los temas centrales de este año se centra en «la inteligencia artificial [IA] como fuerza impulsora de la economía y la sociedad«.

Pero mientras los líderes mundiales se preparan para debatir sobre la IA, un proyecto del WEF, anunciado por primera vez en 2019, ya está financiando investigaciones sobre el uso de «pacientes» y datos «sintéticos» generados por IA en ensayos clínicos.

Los datos sintéticos se desarrollarían a través de la IA y, posteriormente, se enviarían a la IA para «entrenarlos» aún más.

El regulador farmacéutico del Reino Unido, la Agencia Reguladora de Medicamentos y Productos Sanitarios (MHSA, por sus siglas en inglés) recibió 750.387 libras esterlinas (aproximadamente 950.000 dólares) en fondos para este proyecto, que parece apoyar la investigación actualmente en curso en al menos dos universidades del Reino Unido: la Universidad de Birmingham y la Universidad Brunel de Londres.

El Fondo Pionero de Reguladores del gobierno del Reino Unido financió el proyecto en 2022. La financiación parece provenir de un acuerdo de enero de 2019 entre el gobierno del Reino Unido y el WEF, «para liderar [la] revolución regulatoria para fomentar las industrias del futuro».

Como parte de este acuerdo, el Reino Unido se convirtió en el primer país en asociarse con el Centro para la Cuarta Revolución Industrial del WEF, basándose en una «colaboración existente» en el área de la IA.

Los defensores del uso de la IA para crear datos «sintéticos» de ensayos clínicos y participantes dicen que es mucho menos costoso que el uso de participantes humanos, aborda las preocupaciones de privacidad relacionadas con los datos recopilados de humanos y puede mejorar la «equidad».

Pero los expertos que hablaron con The Defender expresaron su preocupación sobre cómo se podría utilizar esta tecnología.

Mary Holland, presidenta y directora ejecutiva de Children’s Health Defense (CHD), dijo que es fácil «entender el atractivo» de los datos clínicos sintéticos generados por la inteligencia artificial.

«Obtener datos reales de los pacientes lleva mucho tiempo, es costoso y, de hecho, requiere el consentimiento informado del paciente», dijo Holland. «Los datos artificiales, por el contrario, no requieren nada de eso. Qué conveniente -y lucrativo- para las grandes farmacéuticas«, dijo Holland.

Brian Hooker, Ph.D., director sénior de ciencia e investigación del CHD, describió a los pacientes y datos «sintéticos» generados por IA como «una propuesta extremadamente aterradora».

«El uso de la IA para generar datos, para grupos de ‘pacientes’ de control y experimentales, parece ser una vía para tomar más atajos en vacunas aprobadas lamentablemente poco probadas, como la vacuna COVID-19 de ARNm de Pfizer y Moderna», dijo.

La Dra. Meryl Nass, internista y epidemióloga de guerra biológica, dijo: «La industria farmacéutica no quiere ensayos clínicos reales antes de poder vender sus productos. La mayoría de los medicamentos y vacunas mueren durante los ensayos, porque las personas simplemente no se comportan como ratones o ratas en el mundo real. Y los ensayos clínicos son muy caros».

«Entra en el ensayo clínico falso», dijo Nass.

Sin embargo, hay una «trampa», según Holland. «Los datos pueden ser increíblemente erróneos».

«Este plan para la información de ensayos clínicos de IA me recuerda a los resultados de las elecciones soviéticas donde, sorprendentemente, el único candidato en la boleta siempre recibió el 99% de los votos, y esto fue incluso sin IA», dijo. «Uno puede imaginar resultados similares de ensayos clínicos de IA para productos médicos, como los resultados de los ensayos clínicos de inyección de COVID-19 con una supuesta eficacia del 99%».

Michael Rectenwald, Ph.D., autor de «Google Archipelago: The Digital Gulag and the Simulation of Freedom», dijo que los participantes y los datos «sintéticos» de los ensayos clínicos son parte de la agenda más amplia del WEF y de su fundador y presidente ejecutivo, Klaus Schwab, para introducir la IA en muchos sectores de la sociedad.

«Schwab y el WEF piensan que el futuro pertenece a la IA», dijo Rectenwald. «Piensan que la IA hará innecesarias las elecciones, y ahora dicen que la IA hará que los ensayos clínicos de vacunas, con sujetos humanos reales, queden obsoletos. Tales medidas de IA están abiertas a la manipulación de los resultados y al WEF nada le gustaría más que manipular los ensayos de vacunas y las elecciones», dijo.

Los defensores promocionan el «enorme potencial» del uso de la IA para generar pacientes sintéticos y datos

Según un artículo de 2023 publicado en Clinical Cancer Informatics:

Los datos sintéticos son datos artificiales generados sin incluir ninguna información real del paciente por un algoritmo entrenado para aprender las características de un conjunto de datos de origen real y se utilizaron ampliamente para acelerar la investigación en ciencias de la vida.

Los datos sintéticos imitan las características y los resultados clínico-genómicos reales, y anonimizan la información del paciente. La implementación de esta tecnología permite aumentar el uso científico y el valor de los datos reales, acelerando así la medicina de precisión en hematología y la realización de ensayos clínicos.

Es decir, facilitar el acceso a los datos de entrenamiento a menudo sin un costo tan elevado para la privacidad del paciente, proporcionar un mejor acceso a los conjuntos de datos de validación o evaluación comparativa, llenar los vacíos en los datos que de otro modo existirían y aumentar el tamaño de las muestras.

Este concepto parece basarse en la práctica existente de utilizar «criterios de valoración indirectos» en los ensayos clínicos, en los que en lugar de medir si los participantes del ensayo se sienten mejor o viven más tiempo, o observar los resultados, como si los participantes tuvieron un accidente cerebrovascular, los investigadores utilizan mediciones indirectas que los investigadores simplemente esperan que sean predictivas.

Según Bertalan Meskó, M.D., Ph.D., director del Instituto Médico Futurista, los «pacientes artificiales» pueden definirse como «un conjunto de datos que representan las características humanas deseadas… basado en grandes cantidades de datos de pacientes reales, sin incluir realmente ningún dato de pacientes reales rastreables».

«Los pacientes artificiales pueden ser la respuesta a más de un problema de la medicina moderna», incluida la privacidad del paciente», escribió Meskó. «Algún día, los pacientes virtuales podrían convertirse en las herramientas de referencia» para «estimar la eficiencia y los posibles efectos secundarios de moléculas farmacológicas prometedoras u optimizar el uso de las existentes», modelar la tasa de éxito de nuevos dispositivos médicos o sustituir al grupo de control con placebo en los ensayos clínicos.

«El uso de datos del mundo real como grupo de pacientes en un ensayo, a menudo conocido como un brazo de control sintético, puede hacer que los ensayos de investigación sean más eficientes: las empresas no tienen que inscribir a tantas personas en ensayos clínicos y pueden garantizar que aquellos que lo soliciten recibirán el tratamiento», escribió, y agregó que «los grupos de control sintéticos también pueden mejorar la equidad en la investigación clínica».

«Como muchos esperan, algún día los pacientes artificiales podrán sustituir por completo a los humanos y los animales en los ensayos clínicos, muy probablemente siendo los animales los primeros», escribió Meskó.

La descripción general del proyecto financiado por el gobierno del Reino Unido afirma que asignar pacientes de ensayos clínicos humanos a grupos de control «puede ser un desafío en algunas condiciones de salud, ya que la asignación aleatoria a un grupo de control podría negar a los pacientes el acceso a tratamientos que podrían prolongar su vida o mejorar los síntomas».

La descripción general del proyecto agrega que «muchos ensayos clínicos también tienen dificultades para reclutar suficientes pacientes, particularmente aquellos que investigan enfermedades raras».

Sin embargo, «las mejoras recientes en la potencia de cálculo han permitido a los investigadores crear pacientes artificiales, con información de salud similar a la de los pacientes reales en los ensayos clínicos», afirma la descripción general del proyecto. Estos «datos artificiales» podrían ayudar a «impulsar» ensayos clínicos más pequeños, disminuyendo el número de pacientes necesarios para tener éxito».

La información generada artificialmente también podría utilizarse para «reflejar mejor a los grupos de la sociedad que están menos representados en los ensayos clínicos, incluidos los diferentes grupos de edad y etnias», según la descripción general del proyecto, que también afirma:

«En el futuro, estos enfoques podrían combinarse con, o incluso reemplazar, la información real del paciente. El éxito de este proyecto podría ayudar a cambiar la forma en que se realizan los ensayos clínicos en enfermedades comunes y raras, reduciendo su coste y mejorando la forma en que se prueban los nuevos tratamientos».

Los dos estudios en curso, en la Universidad de Birmingham y la Universidad Brunel de Londres, permanecerán en curso hasta principios de 2025. También han producido al menos un artículo revisado por pares, que pronto se publicará en Heliyon.

Según una versión pública del documento, «los generadores avanzados de datos sintéticos pueden modelar conjuntos de datos personales confidenciales mediante la creación de muestras simuladas de datos con estructuras de correlación y distribuciones realistas, pero con un riesgo muy reducido de identificar individuos».

«Esto tiene un enorme potencial en la medicina, donde los datos confidenciales de los pacientes se pueden simular y compartir, lo que permite el desarrollo y la validación sólida de nuevas tecnologías de IA para el diagnóstico y la gestión de enfermedades», agrega el documento.

Sin embargo, según los autores del artículo, «la subrepresentación de los grupos es una de las formas en las que el sesgo puede manifestarse en el aprendizaje automático [y] también puede conducir a la falta de datos estructurales o a correlaciones y distribuciones incorrectas que se reflejarán en los datos sintéticos generados a partir de conjuntos de datos de verdad sobre el terreno sesgados».

Un nuevo enfoque desarrollado por los investigadores, BayesBoost, supuestamente supera estos desafíos al demostrar «una excelente capacidad para identificar grupos subrepresentados dentro de los datos dado un atributo sensible y una enfermedad objetivo» y «al generar nuevos datos sintéticos que no se desvían de la distribución real de los datos».

«Hay que insistir en los ensayos clínicos con seres humanos»

Incluso los defensores del uso de la IA para desarrollar pacientes «sintéticos» y los datos de los ensayos clínicos señalan que hay deficiencias en la tecnología.

Según Meskó, «si bien el uso de pacientes artificiales para el desarrollo de fármacos o dispositivos médicos es un campo prometedor, hay un largo camino por recorrer hasta que los modelos puedan alcanzar la complejidad requerida y ser verdaderamente representativos de la población humana».

Al señalar que los modelos y conjuntos de datos de IA son imperfectos y contienen «sesgos», dijo: «Si dejamos que los algoritmos de aprendizaje automático y aprendizaje profundo se desarrollen en estos conjuntos de datos sintéticos e imperfectos, es probable que lleguen a conclusiones que son más o menos falsas en el mundo real».

Los autores del documento de Regulatory Focus cuestionaron «en qué circunstancias, si las hubiera, sería aceptable que la AIaMD [inteligencia artificial como dispositivo médico] se entrenara o probara con datos sintéticos frente a datos reales» y si «hay oportunidades para utilizar datos sintéticos para validar o probar mejor los modelos de AIaMD».

Pero los expertos que hablaron con The Defender expresaron su preocupación por los resultados que pueden surgir de dichos modelos, y las posibles consecuencias para el público en general como resultado de los medicamentos y tratamientos probados clínicamente con dichos modelos.

Booker dijo que es muy probable que los participantes y los datos de los ensayos clínicos «sintéticos» generados por IA sean problemáticos, ya que la ciencia actual todavía carece de conocimientos clave sobre la fisiología humana.

«La IA es tan buena como el algoritmo producido para la simulación y hay mucho que no sabemos sobre la fisiología humana, especialmente a nivel de población», dijo. «Es arrogancia creer lo contrario, así como extremadamente peligroso para las almas inconscientes que esto será endilgado».

Nass ofreció un ejemplo hipotético. Ella dijo:

Supongamos que la medición de un nivel arbitrario de anticuerpos, sin demostrar que es un sustituto de la inmunidad real, ocupará el lugar de una prueba de eficacia real. Todo lo que tiene que hacer es inyectar a alguien con su producto experimental, luego traerlo de vuelta en 2-4 semanas y tomar una muestra de sangre, que invariablemente muestra que los anticuerpos ahora están presentes.

Esos anticuerpos pueden prevenir enfermedades, pueden mejorar la enfermedad (hacerla más grave), pueden aumentar el riesgo de enfermedad o pueden no hacer nada que usted pueda medir. No importa. ¡Voilá! Eso fue fácil. Licencia emitida.

«La adopción de ‘ensayos clínicos de IA’ parece ser una forma más en que los señores corporativos del WEF buscan convertir a la población humana mundial en ratas de laboratorio planetarias», dijo Holland.

Nass dijo que, para las compañías farmacéuticas, es «aún más barato… para no usar a las personas en absoluto. Basta con modelarlos».

«¿Por qué no, ya que la FDA ahora parece pensar que su trabajo es montar una farsa convincente de una agencia reguladora?», cuestionó.

Otros expertos también vincularon los esfuerzos para desarrollar participantes y datos de ensayos clínicos «sintéticos» con temas más amplios de la agenda del WEF, incluidos los esfuerzos para prepararse y contrarrestar una hipotética «Enfermedad X» que la Organización Mundial de la Salud y otros advierten que podría causar la próxima pandemia.

«Lo más probable es que el impulso para vacunar contra la enfermedad X en un plazo de 100 días utilice este sustituto endeble de los datos reales de los pacientes para cumplir con su objetivo inverosímil», dijo Hooker.

La «Enfermedad X» es uno de los puntos de la agenda de la reunión del Foro Económico Mundial de esta semana en Davos, mientras que en 2021, el gobierno del Reino Unido y la Coalición para la Preparación e Innovaciones ante Epidemias (CEPI) anunciaron su «Misión de 100 días» para desarrollar la capacidad de desarrollar una vacuna para una futura «Enfermedad X» en un plazo de 100 días.

«Debemos insistir en los ensayos clínicos con sujetos humanos, por mucho que el WEF y sus ‘socios público-privados‘ intenten deslumbrarnos y embaucarnos con la tecnología», dijo Rectenwald.

CHD.TV cubrirá las reuniones de Davos durante toda la semana.

Este artículo fue publicado originalmente por The Defender – Children’s Health Defense’s News & Views Website bajo licencia Creative Commons CC BY-NC-ND 4.0. Considere suscribirse a The Defender o donar a Children’s Health Defense.

Fuente LifeSites